ICSEJOURNALICSEJOURNAL

Journal of Computer Science and Engineering (JCSE)Journal of Computer Science and Engineering (JCSE)

Studi ini mengevaluasi kinerja tiga algoritma boosting pohon, Random Forest (RF), XGBoost (XGB), dan LightGBM (LGBM), dalam mendeteksi website phishing menggunakan dataset phishing berbasis HTML, URL, dan fitur jaringan. Dua strategi optimasi hyperparameter diuji: pencarian Hyperband (HalvingRandomSearchCV) dan ensemble stacking yang menggabungkan ketiga model. Evaluasi dilakukan berdasarkan lima metrik utama: akurasi, presisi, recall, F1-score, dan AUC-ROC. Hasil menunjukkan bahwa LightGBM yang dioptimalkan dengan Hyperband mencapai kinerja terbaik (akurasi 0,9724; AUC-ROC 0,9702), diikuti oleh ensemble yang dioptimalkan (akurasi 0,9697; AUC-ROC 0,9684). Analisis SHAP digunakan untuk memahami kontribusi fitur penting dalam prediksi website phishing. Perbedaan AUC-ROC sebesar 0,0034 poin dari baseline XGBoost (0,9668) memperkuat efektivitas tuning Hyperband dan ensemble stacking untuk deteksi phishing.

Model stacking yang dioptimalkan dengan Hyperband menunjukkan kinerja tertinggi dalam mendeteksi phishing, dengan akurasi 96,97% dan AUC-ROC 96,84%.Penelitian ini membuktikan bahwa tuning hyperparameter dan ensemble dapat meningkatkan akurasi serta transparansi model.Meskipun model ini efektif, penggunaannya masih terbatas pada dataset statis dan memerlukan peningkatan adaptasi untuk lingkungan nyata.Rekomendasi untuk penelitian lanjutan mencakup pengujian pada data streaming dan pengembangan metode interpretasi yang lebih efisien.

Penelitian lanjutan dapat mengembangkan model yang mampu menangani data phishing secara real-time dengan memanfaatkan teknik optimasi hyperparameter yang lebih efisien. Selain itu, eksplorasi arsitektur model berbasis pembelajaran dalam (deep learning) seperti LSTM atau Transformer untuk pola waktu dapat meningkatkan akurasi deteksi. Terakhir, implementasi model dalam sistem deteksi phishing berbasis pipeline real-time perlu dikaji untuk memastikan skalabilitas dan efisiensi dalam lingkungan nyata.

  1. Wayback Machine. wayback machine medwinpublishers.com/ART/transparency-in-ai-decision-making-a-survey-of-explainable-ai-methods-and-applications.pdfWayback Machine wayback machine medwinpublishers ART transparency in ai decision making a survey of explainable ai methods and applications pdf
  2. An Enhanced and Optimized Stacking Ensemble Framework for Phishing URLs Detection | IEEE Conference Publication... doi.org/10.1109/OTCON65728.2025.11070371An Enhanced and Optimized Stacking Ensemble Framework for Phishing URLs Detection IEEE Conference Publication doi 10 1109 OTCON65728 2025 11070371
  3. European Journal of Engineering and Applied Sciences » Submission » Comprehensive Analysis... doi.org/10.55581/ejeas.1581494European Journal of Engineering and Applied Sciences A Submission A Comprehensive Analysis doi 10 55581 ejeas 1581494
Read online
File size773.71 KB
Pages12
DMCAReport

Related /

ads-block-test